👈🏽 🐰 🙆🏾 क्यों मशीन लर्निंग "सिंथेटिक" डेटा का उपयोग करता है 💢 🗞️ 👵

हम आईटी समुदाय और उद्योग के विशेषज्ञों की राय पर चर्चा करते हैं। हम कुछ परियोजनाओं पर भी विचार करते हैं जिनमें वे "कृत्रिम" डेटा बनाने के लिए उपकरण विकसित करते हैं। उनमें से एक का प्रतिनिधित्व अमेरिकी राष्ट्रीय सुरक्षा एजेंसी और Google के अप्रवासियों द्वारा किया गया था।

तस्वीरें - फ्रैंकी चमाकी - अनप्लैश

एमओ की समस्या

कुछ MO एल्गोरिदम को काम करने के लिए संरचित डेटा की आवश्यकता होती है। उदाहरण के लिए, मशीन दृष्टि की समस्याओं को हल करने के लिए, उन्हें इमेजनेट परियोजना द्वारा प्रदान किया जाता है - इसके डेटाबेस में 14 मिलियन से अधिक छवियों को 22 हजार श्रेणियों में विभाजित किया गया है। इतने बड़े पैमाने पर सेट के साथ काम करना बंद है। इसका उपयोग करने वाले एल्गोरिदम केवल 3.75% मामलों में तस्वीरों में ऑब्जेक्ट का निर्धारण करने में गलत हैं । तुलना के लिए - मनुष्यों में, यह आंकड़ा 5% से अधिक है।

लेकिन प्रत्येक कार्य के लिए इमेजनेट जैसे डेटासेट बनाना असंभव है। कम से कम क्योंकि उनमें रिकॉर्ड मैन्युअल रूप से चिह्नित (या जांचे गए) हैं। उसी समय, वास्तविक डेटा - उदाहरण के लिए, बैंकिंग या मेडिकल - सभी डेवलपर्स और डेटा वैज्ञानिकों के लिए बंद और दुर्गम हो सकता है। लेकिन फिर भी अगर ऐसा डेटा मौजूद है, तो उन्हें प्रसंस्करण से पहले अज्ञात होना चाहिए।

इन कठिनाइयों के समाधान के साथ, सिंथेटिक डेटा मदद करता है। वे कृत्रिम और कंप्यूटर से उत्पन्न होते हैं, लेकिन वे समान रूप से वास्तविक दिखते हैं।

जो इस क्षेत्र में काम करता है

कई विश्वविद्यालय, आईटी कंपनियां और स्टार्टअप इस क्षेत्र की परियोजनाओं में शामिल हैं। उदाहरण के लिए, Gretel एक वास्तविक डेटासेट पर आधारित एक कृत्रिम डेटा सेट उत्पन्न करने वाला सॉफ़्टवेयर लिखता है । कंपनी की स्थापना Google, अमेज़ॅन और यूएस नेशनल सिक्योरिटी एजेंसी (NSA) के प्रवासियों के एक समूह द्वारा की गई थी ।

सबसे पहले, उनका मंच उपलब्ध जानकारी का विश्लेषण करता है। इंजीनियरों ने एक उदाहरण के रूप में उबेर इलेक्ट्रिक स्कूटर की सवारी का इस्तेमाल किया । ग्रेटेल उन्हें वर्गीकृत करता है और उन्हें लेबल करता है, फिर अंतर गोपनीयता विधियों का उपयोग करके उन्हें नामांकित करता है । आउटपुट एक "पूरी तरह से कृत्रिम डाटासेट है।" उनके निर्णय डेवलपर्स के कोडGitHub पर पोस्ट किया गया ।

एक ऐसी ही परियोजना इलिनोइस विश्वविद्यालय में अर्बाना-शैम्पेन में लागू की गई थी । इंजीनियरों ने एक पायथन लाइब्रेरी लिखी है जिसका उपयोग संरचित CSV, TSV और आंशिक रूप से संरचित JSON, Parquet और Avro प्रारूपों के लिए सिंथेटिक डेटा उत्पन्न करने के लिए किया जा सकता है। पहले मामले में, विशेषज्ञों ने जेनेरिक-प्रतिस्पर्धी नेटवर्क का उपयोग किया , और दूसरे में, आवर्तक तंत्रिका नेटवर्क ।

सिंथेटिक डेटा कितना प्रभावी है?

वे डेटा वैज्ञानिकों और डेवलपर्स को उन क्षेत्रों में परियोजनाओं के लिए मॉडल प्रशिक्षित करने का अवसर प्रदान करते हैं जहां बड़ा डेटा अभी तक उपलब्ध नहीं है। अनुसार करने के लिए एलेक्स वाटसन, ग्रेटेल के संस्थापकों में से एक, कई मामलों में पर्याप्त मूल्यों कि सिर्फ वास्तविक उपयोगकर्ता दिखने लायक हैं।

गार्टनर का अनुमान है कि 2022 तक, 40% एमओ मॉडल सिंथेटिक डेटासेट पर प्रशिक्षित किए जाएंगे।

एआई सिस्टम कंपनी हैज़ के प्रमुख ने प्रौद्योगिकी के प्रसार को अपने "लचीलेपन" से जोड़ा है। प्रशिक्षित मॉडल की प्रभावशीलता बढ़ाने के लिए कृत्रिम जानकारी को पूरक और संशोधित करना आसान है।

कंप्यूटर विज़न से संबंधित कई कार्य भी हैं, जहाँ एक सिंथेटिक डेटासेट के अलावा कुछ उपयोग करना मुश्किल है - उदाहरण के लिए, रोबोटिक्स में। औद्योगिक रोबोट और मानव रहित वाहन डिजाइन करते समय, सुदृढीकरण सीखने का उपयोग किया जाता है । इस मामले में, कृत्रिम बुद्धि प्रणाली एक निश्चित वातावरण के साथ सीधे बातचीत करके सीखती है। इस वातावरण की प्रतिक्रिया के आधार पर, रोबोट अपने कार्यों को समायोजित करता है।

लेकिन ड्रोन बाहर नहीं जा सकता है और परीक्षण और त्रुटि से निर्धारित होता है कि पैदल यात्री "कुचल" नहीं सकते हैं। इसलिए, इंजीनियर सिंथेटिक डेटा का सहारा लेते हैं - वे वर्चुअल स्पेस में पर्यावरण का अनुकरण करते हैं। उदाहरण के लिए, एनवीडिया ऐसे प्रयोगों के लिए एक समाधान प्रदान करता है । ग्रैंड थेफ्ट ऑटो वी गेम इंजन का उपयोग करके मशीन प्रशिक्षण पर भी शोध किया गया है ।

तस्वीरें - एंड्रिया एंग - अनप्लैश

कृत्रिम डेटा के सभी लाभों के बावजूद, उनकी कमियां हैं। उन्हें माना जाता हैकम सटीक - भले ही वास्तविक डेटा पर उत्पन्न होता है - और उन मॉडलों को जन्म दे सकता है जो प्रशंसनीय उत्पन्न करते हैं, लेकिन वास्तविक दुनिया के परिणामों में अपरिवर्तनीय हैं। हालांकि, एक विषयगत थ्रेड नोट्स में हैकर न्यूज के निवासियों में से एक यह है कि यह इतनी बड़ी समस्या नहीं है। एक बुद्धिमान प्रणाली के एल्गोरिदम का परीक्षण करने के लिए कृत्रिम डेटा का उपयोग किया जा सकता है।

हैकर न्यूज के एक अन्य उपयोगकर्ता का कहना है कि इसी तरह की प्रौद्योगिकियां मॉडलों की सीखने की प्रक्रिया को जटिल बनाती हैं और विकास की लागत को बढ़ाती हैं। इलिनोइस विश्वविद्यालय के एक विशेषज्ञ द्वारा उनके शब्दों की पुष्टि की गई - अंतर 50% तक पहुंच सकता है।

किसी भी मामले में, सिंथेटिक डेटासेट को "चांदी की गोली" नहीं माना जा सकता है। यह सिर्फ एक उपकरण है जो समस्याओं की एक निश्चित सीमा को हल करने में मदद कर सकता है। लेकिन यह संभव है कि समय के साथ यह स्पेक्ट्रम तेजी से विस्तार करेगा।

^{हम अपने कॉर्पोरेट ब्लॉग के बारे में क्या लिखते हैं:

एक कंप्यूटर जो मरने से इनकार करता है,
"पैरों के निशान ले लो और सप्ताहांत के लिए छोड़ दो": अपने आप को सबसे लोकप्रिय सेवाओं से कैसे निकालना है जीडीपीआर "लगभग अराजकता"
को पूरा करने में कौन से उपकरण मदद करेंगे
: फिडोनेट का एक संक्षिप्त इतिहास, "परवाह नहीं करता" "इंटरनेट पर जीत के लिए}

क्यों मशीन लर्निंग "सिंथेटिक" डेटा का उपयोग करता है

एमओ की समस्या

जो इस क्षेत्र में काम करता है

सिंथेटिक डेटा कितना प्रभावी है?

More articles: